首页/ 湖南四方天箭信息科技有限公司/ 专利详情

一种PDF文件信息抽取方法、装置以及计算机设备

基本信息

申请号 CN202110749413.X 申请日 -
公开（公告）号 CN113343658A 公开（公告）日 2021-09-03
申请公布号 CN113343658A 申请公布日 2021-09-03
分类号 G06F40/18（2020.01）I;G06F40/30（2020.01）I 分类 计算；推算；计数;
发明人 阳建仁;周忠诚;段炼;张圣栋;黄九鸣 申请（专利权）人 湖南四方天箭信息科技有限公司
代理机构 湖南兆弘专利事务所（普通合伙） 代理人 胡君
地址 410000湖南省长沙市高新开发区岳麓西大道588号芯城科技园8栋1301房
法律状态 -

摘要

摘要 本发明公开一种PDF文件信息抽取方法、装置以及计算机设备，该方法包括：获取待抽取PDF文件，提取待抽取PDF文件中的字符和线条；根据提取的各线条的坐标位置以及各线条之间的位置关系，抽取待抽取PDF文件中的最简表格，最简表格为所有线条均为两两相连的最外围表格；根据最简表格的表格线条确定最简表格的单元格，递归循环抽取各单元格内部嵌套的最简表格；根据各最简表格的表格线条的坐标位置以及提取的各字符的坐标位置，从字符中抽取得到各最简表格的表格字符。本发明具有实现方法简单、抽取效率高、速度快且能够保留复杂表格内部逻辑关系等的优点。